可保持图象细节的改进的全方位多级组合滤波器

针对传统全方位多级组合滤波器在去除噪声的同时 ,会严重模糊图象边缘这一问题 ,分析了其原因 ,并指出为了更准确地判断出边缘细节信息 ,应考虑转角线条走向等特殊情况 .提出了一种在去除噪声的同时 ,可以很好的保持图象边缘细节信息的改进的全方位多级组合滤波算法 ,实验结果表明 ,该算法在去除噪声的同时 ,能更好地保持图象边缘细节 。

一种适于图像细节保持的全方位多级组合滤波器

本文在传统滤波器的基础上，结合全方位多结构元，提出了一种有效保持图像细节的滤波器——全方位多级组合滤波器．它能针对不同图像区域自动选取不同的滤波单元，充分发挥各级滤波单元的优点．图像处理仿真实验表明，在滤除噪声和保持图像细节方面，具有较好的效果．

捷联惯导系统快速初始对准的多级组合滤波实现

捷联惯导系统初始对准中利用卡尔曼滤波器进行状态估计时,其数学平台的东向和北向水平失准角估计速度很快,而天向方位失准角的收敛很慢。为了解决这个问题,在基本卡尔曼滤波的基础上引入了多级组合滤波的思想,利用对捷联矩阵的修正和对天向方位失准角φU估计的改进产生了新的信息,形成了两级卡尔曼滤波,并且与小波软阈值法相结合,实现了捷联惯导系统的快速初始对准。

可保留细节信息的全方位多级组合滤波法的研究

传统全方位多级组合滤波法在抑制噪声的同时会严重模糊图像 ,通过分析该问题产生的原因 ,提出了一种改进的滤波方法 ,该方法先对图像象素进行是否为边缘点、孤立噪声点或平滑区域点的预判断 ,然后再根据判断结果分别进行处理。实验结果表明 ,该方法能很好地保留图像边缘细节信息 。

基于机动识别的多级组合滤波器设计

针对机动目标滤波问题,利用基础的α-β滤波算法,建立了基于机动识别的多级组合α-β滤波算法。从工程可实现角度出发,重点阐述了组合滤波器的机动识别算法、野值剔除算法、机动识别与野值剔除启动算法,以及多级滤波器的切换规则。仿真结果验证了组合滤波算法的有效性。

噪声图像中边界提取方法的研究

在噪声图像中如何有效的提取边界是图像分析中的难点 ,常用的边界提取方法往往对噪声很敏感。文章针对这一情况采用了保持图像细节的多级组合滤波器先将噪声从图像中分离出来 ,然后再对图像进行边界提取。实验表明 ,该方法可以在有效的抑制噪声的同时提取出有意义的边界。